4.1 Anwendung der Satellitenbildverarbeitung zur
Datenbankerstellung
Die Verarbeitung der Orthofotos besteht darin, diese
geometrisch korrekt und thematisch adäquat zusammenzustellen. Dazu
gehören die geometrische Korrektur, die Georeferenzierung und die
Bildverbesserung sowie die Klassifizierung. In dieser Arbeit liegt der
Schwerpunkt auf der Klassifizierung. Die vorhandenen Orthofotodaten wurden
bereits geometrisch korrigiert und georeferenziert. Dies ist für die
vorliegende Arbeit notwendig, da die Satellitendaten in ein geographisches
Informationssystem (GIS) integriert werden müssen. In dieser
Untersuchung
17
wurden dazu die Software ENVIE 4.7 und Erdas 9.2 für
Ortofotobilder und ARCGIS 10 und MapInfo 10 für die GIS-Analyse
genutzt.
4.1.1 Klassifizierungsansatz
Das Ziel der Klassifizierung von Satellitenbildern bzw.
Orthofotos besteht darin, ein Maximum an Informationen zu gewinnen. Mit der
Klassifizierung können Flächen mit ähnlichen Merkmalen bestimmt
und Bilder thematisch wiedergegeben werden. Zwei Klassifizierungsarten lassen
sich unterscheiden: die überwachte und die unüberwachte
Klassifizierung. Um die überwachte Klassifizierung durchführen zu
können, werden zuerst Trainingsgebiete festgelegt, die aus Flächen
gleicher Struktur bestehen. Mithilfe dieser kleinen Gebiete wurde beispielweise
die Struktur von Gebäuden auf den gesamten Satellitenbildern erkannt und
diese somit auch klassifiziert. Bei der unüberwachten Klassifizierung wird
kein Trainingsgebiet benötigt. Die Pixel werden in Spektralklassen
automatisch zugeordnet (vgl. Helge Moritz, 2003; Idbraim, 2009:16).
Im Rahmen dieser Arbeit wurde die überwachte
Klassifizierungsmethode angewandt. Die unüberwachte Klassifizierung wurde
im Vorfeld als Beurteilungskriterium für die spektrale Homogenität
der ausgewählten Trainingsgebiete bzgl. der Gebäudeklassen genutzt.
Zur Durchführung der unüberwachten Klassifizierung wurde das
Verfahren Isodata (Jensen,1996; Ball et Hall 1965) angewandt. Es
ermöglicht im Laufe der Iterationen die Verbindung zwischen nahen Pixeln,
die Verteilung einer Gruppe von Bildelementen, die eine hohe Varianz haben, und
die Beseitigung von kleinen Bildelementen (Idbrahim 2009:22). Für die
überwachte Klassifizierung wurde der Maximum-Likelihood-Ansatz angewandt,
weil dieses Verfahren als zuverlässige Analysemethode sehr anerkannt ist
(Köberle 2006; Blaschke 2000; Campell 1996; Richards & Jia 1999). Um
die Ergebnisse aus den pixelbasierten Klassifikationen zu verbessern, wurden
sie einer visuellen Interpretation unterzogen. Damit wurden vor allem die
Trainingsgebiete festgelegt.
4.1.2 Überwachte Klassifizierung
Vor dem eigentlichen Klassifikationsprozess war eine
Trainingsphase erforderlich, indem eine Reihe geschlossener Polygone auf dem
Orthofoto markiert wurden. Diese stellen Testgebiete für die verschiedenen
Trainingsklassen (s. Abb. 6) dar. Um Trainingsgebiete für die Klasse
18
Gebäude« auszuweisen, wurden beispielsweise im
Orthofoto Flächen gesucht, bei denen es sich sicher um Dächer
handelt, und diese wurden dann als Polygonvektoren in das System eingegeben.
Die spektralen Werte dieser Trainingsgebiete wurden danach bei der
Maximum-Likelihood-Klassifizierung im gesamten Orthofoto überprüft
und entsprechend der größten Wahrscheinlichkeit den einzelnen
Klassen der Trainingsgebiete zugeordnet.
In dieser Klasse Gebäude« werden ebenfalls die
Häuser mit unterschiedlichen Dachmaterialien zusammengefasst (s.Tabelle
1). So gibt es Dächer aus Dachbeton (G1), Wellblech (G2) und Dachziegeln
(G3). Die Klasse Straßen« umfasst asphaltierte (S1), gepflasterte
(S2) und sandige Straßen sowie Wege (S3). Die Klasse Vegetation«
(Vg) umfasst Flächen mit Bäumen, Wiesen oder Parks/Parkanlagen. Nach
Festlegung der notwendigen Trainingsgebiete erfolgt die Klassifizierung. Die
Überprüfung der Klassifizierung erfolgte anhand der
Genauigkeitsbewertung.
Tabelle 1: Untergliederung der zu interpretierenden
Großbereiche.
Klassen
|
Beschriftung
|
Beschreibung
|
Gebäude
|
G1
|
Dachfläche aus Beton
|
G2
|
Dachfläche aus Wellblech (weiß oder blau)
|
G3
|
Dachziegel
|
G4
|
Dachfläche aus Lehm
|
Straßen
|
S1
|
asphaltierte Straße
|
S2
|
Gepflasterte Straße
|
S3
|
sandige Straßen und Wege
|
Vegetation
|
Vg
|
Flächen mit Bäumen oder Wiesen
|
Eigene Darstellung
![](Betroffenheit-der-stadt-cotonou-durch-berschwemmungen--eine-GIS-gesttzte-analyse-impacts-des-i7.png)
19
Abbildung 6: Ausschnitt aus dem Orthofoto des
Untersuchungsgebiets mit den eingegrenzten Testflächen. Eigene
Darstellung aufgrund des Luftbildes
Die Buchstaben mit Ziffern (G3, S3...) bezeichnen die
Trainingsgebiete. Aufgrund der Pixel eines Trainingsgebietes erfolgt die
Berechnung der spektralen Signatur als Grundlage für die
Klassifizierung.
|